“AI天眼查”——基于深度学习的企业实体识别和资质查询APP - 移动应用开发 - 全国大学生数字媒体科技作品及创意竞赛官网
查看原图

竞赛作品 > 移动应用开发

“AI天眼查”——基于深度学习的企业实体识别和资质查询APP

  • 移动应用开发竞赛作品——“AI天眼查”——基于深度学习的企业实体识别和资质查询APP

    作品名称:“AI天眼查”——基于深度学习的企业实体识别和资质查询APP
    参赛院校:北京理工大学
    团队成员:梁瑛平、韩沛、赵信达
    数媒竞赛网(mit.caai.cn)2021年参赛作品
    作品描述:

    该项目基于深度学习的文字识别与自然语言处理技术,实现了识别商铺广告牌图片中的文字,并且从识别出的文字中提取出商铺名称的功能,以此帮助用户随时检查店铺信息。此系统涉及文字检测、文字识别、命名实体识别三种基本算法,基于PaddlePaddle深度学习平台进行算法实现。其中,文本检测模型为4.1M大小,字符识别模型也只占4.5M大小,整个APP大小小于20MB,检测精度达到95%以上,支持中英文混杂和长文本、倾斜文本等,实现了超轻量、高精度的模型部署。软件设计实现了PC端软件开发设计和Android端APP开发设计,并且使用轻量级模型推理框架Paddle-Lite实现移动端的推理加速。 其中AI算法的各个模块分别为: 1.文字检测模块:该模使用超轻量级算法Differentiable Binarization实现文字检测,单模型支持中英文数字组合识别、竖排文本识别、长文本识别。 2.文字识别模块:该模使用CTC+CRNN算法实现图像中不定长度的字符识别,主干网络使用MobileNet进行模型轻量化,并且加速模型在移动端的部署。 3.实体识别模块:将识别出的字符串转换为词向量表示,然后使用训练好的BiLSTM模型对识别出的字符串列表进行主体得分评估,选取Top-1作为识别主体。 模型部署模块:使用Paddle-Lite轻量化推理框架实现模型压缩和推理加速,并进行移动端的部署,并以此开发了PC端软件以及Android端APP应用。


  • 移动应用开发竞赛作品——“AI天眼查”——基于深度学习的企业实体识别和资质查询APP

    作品名称:“AI天眼查”——基于深度学习的企业实体识别和资质查询APP
    参赛院校:北京理工大学
    团队成员:梁瑛平、韩沛、赵信达
    数媒竞赛网2021年参赛作品
    作品描述:

    该项目基于深度学习的文字识别与自然语言处理技术,实现了识别商铺广告牌图片中的文字,并且从识别出的文字中提取出商铺名称的功能,以此帮助用户随时检查店铺信息。此系统涉及文字检测、文字识别、命名实体识别三种基本算法,基于PaddlePaddle深度学习平台进行算法实现。其中,文本检测模型为4.1M大小,字符识别模型也只占4.5M大小,整个APP大小小于20MB,检测精度达到95%以上,支持中英文混杂和长文本、倾斜文本等,实现了超轻量、高精度的模型部署。软件设计实现了PC端软件开发设计和Android端APP开发设计,并且使用轻量级模型推理框架Paddle-Lite实现移动端的推理加速。 其中AI算法的各个模块分别为: 1.文字检测模块:该模使用超轻量级算法Differentiable Binarization实现文字检测,单模型支持中英文数字组合识别、竖排文本识别、长文本识别。 2.文字识别模块:该模使用CTC+CRNN算法实现图像中不定长度的字符识别,主干网络使用MobileNet进行模型轻量化,并且加速模型在移动端的部署。 3.实体识别模块:将识别出的字符串转换为词向量表示,然后使用训练好的BiLSTM模型对识别出的字符串列表进行主体得分评估,选取Top-1作为识别主体。 模型部署模块:使用Paddle-Lite轻量化推理框架实现模型压缩和推理加速,并进行移动端的部署,并以此开发了PC端软件以及Android端APP应用。


  • 移动应用开发竞赛作品——“AI天眼查”——基于深度学习的企业实体识别和资质查询APP

    作品名称:“AI天眼查”——基于深度学习的企业实体识别和资质查询APP
    参赛院校:北京理工大学
    团队成员:梁瑛平、韩沛、赵信达
    数媒竞赛网2021年参赛作品
    作品描述:

    该项目基于深度学习的文字识别与自然语言处理技术,实现了识别商铺广告牌图片中的文字,并且从识别出的文字中提取出商铺名称的功能,以此帮助用户随时检查店铺信息。此系统涉及文字检测、文字识别、命名实体识别三种基本算法,基于PaddlePaddle深度学习平台进行算法实现。其中,文本检测模型为4.1M大小,字符识别模型也只占4.5M大小,整个APP大小小于20MB,检测精度达到95%以上,支持中英文混杂和长文本、倾斜文本等,实现了超轻量、高精度的模型部署。软件设计实现了PC端软件开发设计和Android端APP开发设计,并且使用轻量级模型推理框架Paddle-Lite实现移动端的推理加速。 其中AI算法的各个模块分别为: 1.文字检测模块:该模使用超轻量级算法Differentiable Binarization实现文字检测,单模型支持中英文数字组合识别、竖排文本识别、长文本识别。 2.文字识别模块:该模使用CTC+CRNN算法实现图像中不定长度的字符识别,主干网络使用MobileNet进行模型轻量化,并且加速模型在移动端的部署。 3.实体识别模块:将识别出的字符串转换为词向量表示,然后使用训练好的BiLSTM模型对识别出的字符串列表进行主体得分评估,选取Top-1作为识别主体。 模型部署模块:使用Paddle-Lite轻量化推理框架实现模型压缩和推理加速,并进行移动端的部署,并以此开发了PC端软件以及Android端APP应用。


  • 移动应用开发竞赛作品——“AI天眼查”——基于深度学习的企业实体识别和资质查询APP

    作品名称:“AI天眼查”——基于深度学习的企业实体识别和资质查询APP
    参赛院校:北京理工大学
    团队成员:梁瑛平、韩沛、赵信达
    数媒竞赛网2021年参赛作品
    作品描述:

    该项目基于深度学习的文字识别与自然语言处理技术,实现了识别商铺广告牌图片中的文字,并且从识别出的文字中提取出商铺名称的功能,以此帮助用户随时检查店铺信息。此系统涉及文字检测、文字识别、命名实体识别三种基本算法,基于PaddlePaddle深度学习平台进行算法实现。其中,文本检测模型为4.1M大小,字符识别模型也只占4.5M大小,整个APP大小小于20MB,检测精度达到95%以上,支持中英文混杂和长文本、倾斜文本等,实现了超轻量、高精度的模型部署。软件设计实现了PC端软件开发设计和Android端APP开发设计,并且使用轻量级模型推理框架Paddle-Lite实现移动端的推理加速。 其中AI算法的各个模块分别为: 1.文字检测模块:该模使用超轻量级算法Differentiable Binarization实现文字检测,单模型支持中英文数字组合识别、竖排文本识别、长文本识别。 2.文字识别模块:该模使用CTC+CRNN算法实现图像中不定长度的字符识别,主干网络使用MobileNet进行模型轻量化,并且加速模型在移动端的部署。 3.实体识别模块:将识别出的字符串转换为词向量表示,然后使用训练好的BiLSTM模型对识别出的字符串列表进行主体得分评估,选取Top-1作为识别主体。 模型部署模块:使用Paddle-Lite轻量化推理框架实现模型压缩和推理加速,并进行移动端的部署,并以此开发了PC端软件以及Android端APP应用。



移动应用开发竞赛作品—Remark学亦平台 上一篇

  • 1/4

  • 2/4

  • 3/4

  • 4/4

移动应用开发竞赛作品—“鸡老板”海南美食APP应用开发设计 下一篇



Copyright © 2001 - 2022 全国大学生数字媒体科技作品及创意竞赛网版权所有

Copyright © 2001 - 2022 数媒竞赛网(http://www.shumeijingsai.com)版权所有